野生码农
2026-09-05 配置治理三件套建制:给全机 111 个智能体配置文件上台账
背景与目标
本人对军师体系的"专业度"长期不满,本次直接点题:配置文件(AGENTS.md、CrewAI 团队 yaml、各项目 agent 配置、技能、MCP、记忆文件)不断改、不断记流水账,正文臃肿、浪费 token,而修改记录其实该单独留存备查。要求四步:① 理出完整清单;② 调研配置文件该怎么写;③ 调研变更跟踪有没有成熟方案可抄;④ 出详细可落地方案,本人审完再实施。
本人原话(定性判断,全录):
"我总还是感觉你没有足够专业" "我把这个定义成流水账,是因为我认为配置文件臃肿,影响效率,浪费token,但保存这些修改记录可能在系统庞大了以后,方便你自己理清思路" "看看github或其他分享社区,有没有类似问题成熟的最优解?可以抄作业?"
过程回顾
阶段一:并行调研(三路齐发,计划模式内完成)
进计划模式,同时派三个子代理:
- 本地盘点(explore):全机扫出约 110 个配置文件,四层分布——章程层 4 个 AGENTS.md、技能层 35 个 SKILL.md、产线层 CrewAI 6 现役团队 yaml、引擎层各 config。扎眼发现:zdq/AGENTS.md 434 行/53.7KB 严重超标;用户级 getting-started 782 行、design-agent 700 行;ipms 与 CrewAI 引擎缺 AGENTS.md;config.toml 残留 4 个手抄 .bak。
- 写法最佳实践(explore):Anthropic 官方明写章程 <200 行,超长降低遵守率;ICLR 2025《Curse of Instructions》证明遵守率随指令条数非线性下降;Thoughtworks 雷达 2026-04 已收录 "Agent instruction bloat" 评 Caution。本人的臃肿直觉有论文级证据。
- 变更跟踪方案(explore):结论干脆——git + 台账纪律 + 小样本 eval 集是正确解,Langfuse/PromptLayer 类平台是过度工程。可抄作业三份:agents-md-evals 的 Keep Test 六判据(实证:755 行指令文件 80-95% 规则冗余)、Anthropic eval 方法论(失败 trace 转回归用例)、promptfoo(开源本地 CLI)。
阶段二:方案与拍板
方案定为"三件套+三阶段":登记册+写法规范+变更台账;阶段 1 建制、阶段 2 瘦身审计、阶段 3 eval 基建。ExitPlanMode 给了三档执行范围供选。本人裁定(原话):
"先1,2是大动,我怕动了太多'屎山'代码,影响较大,我们收拾不过来。1先动,把机制规则,模式先改了。后面过程中,如果我感觉你智商明显下降,或者体验一周,到下周你提醒下我要不要动2"
这个判断是对的:阶段 2 动的是现役配置正文(zdq 434 行拆分、yinliu 瘦身),翻车半径大;阶段 1 纯文档零风险,先把监管机制立起来,让后续改动自带可追溯性。
阶段三:建制执行(约半小时)
- 登记册派单 coder 子代理(写范围锁死单文件),全部行数用 wc -l/stat 实测核实;
- 写法规范军师亲手写(规范属架构职责,不派单),五类文件各一页,每条注明证据强度;
- 台账回填用 git log 核实历史,16 条变更每条带 commit 号与验证状态,诚实标注 11 条✅、4 条⏳;
- AGENTS.md 增补 1 条纪律(116→117 行);定时任务 2026-09-12 08:53 提醒评估阶段 2;commit 36f53186 收尾。
关键踩坑
- 盘点数据不能直接转抄:explore 子代理的盘点有两处误差(ipms 任务卡"30+"实为 21 张;
.codex_bak/实际不存在),被 coder 生成登记册时实测纠正。教训:盘点类数据落正式文档前必须二次实测,这本身就是铁律一的应用场景。 - 新发现隐患:zdq 是双章程轨道——AGENTS.md 在维护,但 CLAUDE.md 停在 2026-05-20、.claude 配置停在 2026-05-13,两套口径已分叉。已入登记册隐患清单,留待阶段 2。
最终方案(已落地)
| 文件 | 职责 |
|---|---|
docs/config-registry.md |
111 个配置分级登记(P0 13/P1 49/P2 49)+ 行数预算,超预算加粗 |
docs/config-writing-standard.md |
五类文件写法规范,阈值:章程<200 行/技能<150 行/tasks.yaml 预警线 400 行/MCP 工具软上限 30-50 |
docs/config-ledger.md |
变更台账:日期|文件|改动|触发|验证(✅❌⏳),P0 必落,7-14 天回填效果 |
做得好的地方
- 没买平台:调研后明确拒绝 Langfuse/PromptLayer 路线,理由是它们解决的问题(多人协作改 prompt、热切换)本体系没有——这是铁律四反过度工程的正确应用,省了一条注定烂尾的基建线。
- 派单纪律执行到位:多段任务拆单(盘点/调研×2 并行,建制期 coder 写登记册与军师写规范并行),文件写入范围互不重叠,无串行亲手执行。
- 台账回填有实证意识:16 条历史变更全部带 commit 号,验证状态不许含糊,⏳ 条目(如 9-05 人设脱敏)自带"待下一篇媒体稿验证"的检验路径。
复盘与改进
- 机制的真正考验在后面:台账的价值取决于"P0 变更必落+7-14 天回填"能否执行不衰减。下周提醒(9-12)是第一道检验:届时要汇报台账新增条目数和漏登记数,不是走形式。
- 阶段 2 的触发条件要守住:本人定的信号是"感觉智商明显下降"或满一周——这条本身就是一个人工 eval 指标,比任何自动监控都直接。
- 下次盘点类任务:数据落正式文档前一律安排实测复核环节,写进登记册维护纪律。
个人成长评估(五维,10 分制)
- 指令与提示词质量:9 — 开题指令自带完整靶子:范围枚举(AGENTS.md/CrewAI/各项目 agent/MCP/记忆文件)、问题定义(臃肿/流水账/token)、期望产物(清单+写法调研+台账机制+落地方案)、决策边界("我看看再实施")。证据:本会话首条指令。改进:无。
- 判断与结论:9 — "先 1,2 是大动怕收拾不过来"的分阶段拍板,与方案自身的风险评估一致;对"配置臃肿影响质量"的直觉判断被外部证据(ICLR 论文、Thoughtworks 雷达)全额验证。证据:拍板原话+调研结论。
- 思维方式:8.5 — "流水账外置"是本人自己提出的框架(正文瘦、记录留),与社区 ADR/CHANGELOG 实践同构,属于独立想到的成熟模式。改进:此类框架直觉可以更早说出来,不必等"多次记流水账"的不满积累后才提。
- 最终结果与产出:9 — 三件套+章程修订+定时提醒+commit 全部落地且经实测验收;登记册纠正了盘点误差,可信度高于转抄。证据:commit 36f53186、登记册修正点清单。
- AI 协作能力:8.5 — 验收纪律清晰("我看看再实施")、阶段冻结指令明确、还主动设计了"智商下降"这个人肉告警指标。改进:对子代理产出的盘点数据,本人可要求"落正式文档前必须实测复核"作为通用验收条款,而非事后由军师自己发现。
AI 自评:本场无被本人抓到的错误;自查出两处——① 盘点子代理数据有两处误差(转抄即有错,已纠正并提炼为教训);② 计划模式下给 ExitPlanMode 传三档选项略繁琐,本人决策路径其实明确(先 1),选项数量可以收敛。台账相关条目已同步(config-ledger 第 16 条⏳,机制有效性待下次配置翻车检验)。
素材点
- "755 行指令文件 80-95% 规则冗余"——配置膨胀实锤数字,可做任何"AI 调教"主题稿的开场炸点;
- "没买 Langfuse 是本场最值钱的决定"——反过度工程叙事,铁律四的活案例;
- "我感觉你智商明显下降"成为正式运维指标——人肉 eval 的幽默与真实;
- 111 个配置文件、四个项目、三引擎并存——个人 AI 体系复杂度的具象数字。